前言
1、openCV安装或编译
1.1 openCV下载安装
1）下载地址：下载地址 https://github.com/opencv/opencv/releases
下载完成后安装exe文件，安装路径最好不要有中文，否则用起来比较麻烦。安装后的库文件include/lib/bin可以直接使用，如下所示：
1.2 openCV编译
1）下载地址：
opencv下载地址 https://github.com/opencv/opencv/releases
opencv_contrib下载地址 https://github.com/opencv/opencv_contrib/releases/tag/4.13.0
自己编译源码的话，就把扩展库也一起编译了，两个文件的版本必须保持一致，都是4.13.0，方便后续自己使用。
打开cmake软件：
设定opencv_contrib路径：OPENCV_EXTRA_MODULES_PATH；
BUILD_opencv_world：ON，这个选项不开启，编译出来的是很多个分开的dll；开启后编译后就一个opencv_world4130.dll。
其余的很多选项，比如CUDA/FMPEG等自己按需求进行开启设定。
ALL_BUILD 右键-生成即可完成编译。然后 INSTALL右键-生成即可完成打包dll。
2、人脸图片识别程序
目的：做一个最简单的人脸识别及对比程序。
2.1 使用openCV安装版实现
用Qt设计一个简介的界面，配合安装版本的openCV4.13，暂时不用编译版本的。直接利用自带的 <opencv2/objdetect/face.hpp> 进行人脸对比，主要使用其中的 FaceDetectorYN（检测）和 FaceRecognizerSF（识别）两个类。它们都基于深度学习模型，精度高且使用方便。需要提前下载模型文件，下载地址: https://github.com/opencv/opencv_zoo。
// FaceDetectorYN 模型: face_detection_yunet_2026may.onnx
// FaceRecognizerSF 模型: face_recognition_sface_2021dec.onnx
QOpencvApp.h
cpp
#pragma once
#include <QtWidgets/QMainWindow>
#include <QMessageBox>
#include <QFileDialog>
#include <QPixmap>
#include <QString>
#include <QCoreApplication>
#include <QDir>
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/objdetect/face.hpp>
using namespace cv;
#include "ui_QOpencvApp.h"
class QOpencvApp : public QMainWindow
{
Q_OBJECT
public:
QOpencvApp(QWidget *parent = nullptr);
~QOpencvApp();
private slots:
void onBaseImgButtonClicked();
void onSourceImgButtonClicked();
void onCompareButtonClicked();
private:
Ui::QOpencvAppClass ui;
};QOpencvApp.cpp
cpp
#include "QOpencvApp.h"
QOpencvApp::QOpencvApp(QWidget *parent)
: QMainWindow(parent)
{
ui.setupUi(this);
connect(ui.baseImgBtn, SIGNAL(clicked()), this, SLOT(onBaseImgButtonClicked()));
connect(ui.sourceImageBtn, SIGNAL(clicked()), this, SLOT(onSourceImgButtonClicked()));
connect(ui.compareBtn, SIGNAL(clicked()), this, SLOT(onCompareButtonClicked()));
}
QOpencvApp::~QOpencvApp()
{}
void QOpencvApp::onBaseImgButtonClicked()
{
QString filter = "图片文件 (*.png *.jpg *.jpeg *.bmp *.gif *.tiff *.webp);;"
"PNG 图片 (*.png);;"
"JPG 图片 (*.jpg *.jpeg);;"
"所有文件 (*.*)";
// 2. 打开文件选择对话框
QString filePath = QFileDialog::getOpenFileName(
this, // 父窗口
u8"请选择一张图片", // 对话框标题
"", // 默认打开路径（空=上次路径或默认）
filter // 文件过滤器
);
// 3. 判断用户是否取消了选择（路径为空表示取消）
if (filePath.isEmpty())
{
QMessageBox::information(this, u8"提示", u8"未选择任何文件");
return;
}
// 4. 处理选中的图片（例如：显示在 QLabel 中）
QPixmap pixmap(filePath);
if (!pixmap.isNull())
{
// 缩放图片以适应 Label 大小（保持宽高比）
QPixmap scaled = pixmap.scaled(ui.label_base->size(),
Qt::KeepAspectRatio,
Qt::SmoothTransformation);
ui.label_base->setPixmap(scaled);
ui.label_base->setText(""); // 清除文本
ui.lineEdit->setText(filePath);
//QMessageBox::information(this, u8"成功", QString(u8"已加载图片：%1").arg(filePath));
}
else
{
QMessageBox::warning(this, u8"错误", u8"无法加载图片，文件可能已损坏！");
}
}
void QOpencvApp::onSourceImgButtonClicked()
{
QString filter = u8"图片文件 (*.png *.jpg *.jpeg *.bmp *.gif *.tiff *.webp);;"
"PNG 图片 (*.png);;"
"JPG 图片 (*.jpg *.jpeg);;"
"所有文件 (*.*)";
// 2. 打开文件选择对话框
QString filePath = QFileDialog::getOpenFileName(
this, // 父窗口
u8"请选择一张图片", // 对话框标题
"", // 默认打开路径（空=上次路径或默认）
filter // 文件过滤器
);
// 3. 判断用户是否取消了选择（路径为空表示取消）
if (filePath.isEmpty())
{
QMessageBox::information(this, u8"提示", u8"未选择任何文件");
return;
}
// 4. 处理选中的图片（例如：显示在 QLabel 中）
QPixmap pixmap(filePath);
if (!pixmap.isNull())
{
// 缩放图片以适应 Label 大小（保持宽高比）
QPixmap scaled = pixmap.scaled(ui.label_source->size(),
Qt::KeepAspectRatio,
Qt::SmoothTransformation);
ui.label_source->setPixmap(scaled);
ui.label_source->setText(""); // 清除文本
ui.lineEdit_2->setText(filePath);
//QMessageBox::information(this, u8"成功", QString(u8"已加载图片：%1").arg(filePath));
}
else {
QMessageBox::warning(this, u8"错误", u8"无法加载图片，文件可能已损坏！");
}
}
void QOpencvApp::onCompareButtonClicked()
{
QString sBaseImage = ui.lineEdit->text();
QString sSourceImage = ui.lineEdit_2->text();
// 1. 读取两张人脸图片，建议转换为灰度图
cv::Mat img1 = cv::imread(sBaseImage.toStdString());
cv::Mat img2 = cv::imread(sSourceImage.toStdString());
if (img1.empty() || img2.empty())
{
QMessageBox::warning(this, u8"错误", u8"无法读取图片！");
std::cerr << "无法读取图片！" << std::endl;
return;
}
// ========== 2. 创建检测器和识别器 ==========
// 需要提前下载模型文件
// FaceDetectorYN 模型: face_detection_yunet_2023mar.onnx
// FaceRecognizerSF 模型: face_recognition_sface_2021dec.onnx
// 下载地址: https://github.com/opencv/opencv_zoo
// 使用 try-catch 捕获异常，查看具体错误信息
//try {
// Ptr<FaceDetectorYN> detector = FaceDetectorYN::create(
// modelPath,
// "",
// Size(320, 320),
// 0.9f,
// 0.3f,
// 5000
// );
// if (detector.empty()) {
// std::cerr << "创建检测器失败，返回空指针" << std::endl;
// return ;
// }
// std::cout << "检测器创建成功！" << std::endl;
// // 后续检测代码...
//}
//catch (const cv::Exception& e) {
// std::cerr << "OpenCV 异常: " << e.what() << std::endl;
// return;
//}
//catch (const std::exception& e) {
// std::cerr << "标准异常: " << e.what() << std::endl;
// return;
//}
QString configPath1 = QCoreApplication::applicationDirPath() + "/face_detection_yunet_2026may.onnx";
QString configPath2 = QCoreApplication::applicationDirPath() + "/face_recognition_sface_2021dec.onnx";
Ptr<FaceDetectorYN> detector = FaceDetectorYN::create(
configPath1.toStdString(), // 检测模型路径
"", // 配置文件（ONNX不需要）
Size(320, 320), // 输入尺寸
0.9f, // 分数阈值
0.3f, // NMS阈值
5000 // Top K
);
Ptr<FaceRecognizerSF> recognizer = FaceRecognizerSF::create(
configPath2.toStdString(), // 识别模型路径
"" // 配置文件（ONNX不需要）
);
if (!detector || !recognizer)
{
// 隐式转换为 bool
QMessageBox::warning(this, u8"错误", u8"模型加载失败！请检查模型文件路径！");
return;
}
// ===== 2. 检查并打印图片信息 =====
Size size1 = img1.size();
Size size2 = img2.size();
std::cout << "========== 图片信息 ==========" << std::endl;
std::cout << "图片1尺寸: " << size1.width << " x " << size1.height
<< ", 通道数: " << img1.channels() << std::endl;
std::cout << "图片2尺寸: " << size2.width << " x " << size2.height
<< ", 通道数: " << img2.channels() << std::endl;
// ===== 3. 判断图片尺寸是否相等 =====
bool sizesEqual = (size1 == size2);
std::cout << "图片尺寸是否相等: " << (sizesEqual ? "是" : "否") << std::endl;
// ===== 4. 根据尺寸相等性进行不同处理 =====
Mat img1_processed = img1.clone();
Mat img2_processed = img2.clone();
if (!sizesEqual)
{
std::cout << "警告: 图片尺寸不同，将统一缩放到 " << size1.width << " x " << size1.height << std::endl;
// 将 img2 缩放到与 img1 相同的尺寸（也可以选择缩放 img1）
cv::resize(img2, img2_processed, size1);
std::cout << "缩放后图片2尺寸: " << img2_processed.size().width
<< " x " << img2_processed.size().height << std::endl;
}
else
{
std::cout << "图片尺寸相同，无需缩放" << std::endl;
}
// ========== 3. 人脸检测 ==========
// 注意：检测时需要设置输入尺寸为图片实际大小
detector->setInputSize(img1.size());
Mat faces1, faces2;
// 3. 使用 try-catch 捕获异常，查看具体错误信息
try {
detector->detect(img1, faces1);
detector->detect(img2, faces2);
}
catch (const cv::Exception& e) {
std::cerr << "OpenCV 异常: " << e.what() << std::endl;
return;
}
catch (const std::exception& e) {
std::cerr << "标准异常: " << e.what() << std::endl;
return;
}
if (faces1.rows == 0 || faces2.rows == 0)
{
QMessageBox::warning(this, u8"错误", u8"某张图片未检测到人脸！");
return;
}
// ========== 4. 提取人脸特征 ==========
// faces 中每行格式: [x, y, width, height, left_eye_x, left_eye_y, right_eye_x, right_eye_y, nose_x, nose_y, mouth_x, mouth_y, right_ear_x, right_ear_y, left_ear_x, left_ear_y]
// 取第一张人脸
Mat face1 = faces1.row(0);
Mat face2 = faces2.row(0);
// 获取人脸框 (前4个元素)
Rect rect1(face1.at<float>(0), face1.at<float>(1),
face1.at<float>(2), face1.at<float>(3));
Rect rect2(face2.at<float>(0), face2.at<float>(1),
face2.at<float>(2), face2.at<float>(3));
// 对齐并裁剪人脸
Mat aligned1, aligned2;
recognizer->alignCrop(img1, face1, aligned1); // 使用关键点自动对齐
recognizer->alignCrop(img2, face2, aligned2);
// 提取特征向量 (128维浮点数)
Mat feature1, feature2;
recognizer->feature(aligned1, feature1);
recognizer->feature(aligned2, feature2);
// ========== 5. 计算相似度 ==========
// 方法1: 使用内置 match 方法 (返回相似度分数, 0~1, 越高越相似)
double similarity = recognizer->match(feature1, feature2, FaceRecognizerSF::FR_COSINE);
// 方法2: 手动计算余弦相似度 (与上面等价)
//double similarity = feature1.dot(feature2) / (norm(feature1) * norm(feature2));
std::cout << "人脸相似度: " << similarity << std::endl;
// ========== 6. 判断结果 ==========
// 阈值需要根据实际场景调整，一般 0.5~0.7 之间
double threshold = 0.7;
if (similarity >= threshold)
{
QMessageBox::information(this, u8"错误", u8"判断为同一个人！");
}
else
{
QMessageBox::warning(this, u8"错误", u8"判断为不同的人！");
}
// ========== 7. 绘制检测结果 ==========
// 在图片上绘制人脸框和5个关键点
rectangle(img1, rect1, Scalar(0, 255, 0), 2);
rectangle(img2, rect2, Scalar(0, 255, 0), 2);
// 遍历检测到的每一张人脸
for (int i = 0; i < face1.rows; i++)
{
// 从 faces 矩阵中获取第 i 行数据的指针
float* data = (float*)face1.ptr(i);
// 2. 提取并绘制5个关键点
// 右眼 (索引 4, 5)
circle(img1, Point2i(int(data[4]), int(data[5])), 5, Scalar(255, 0, 0), 2);
// 左眼 (索引 6, 7)
circle(img1, Point2i(int(data[6]), int(data[7])), 5, Scalar(0, 0, 255), 2);
// 鼻尖 (索引 8, 9)
circle(img1, Point2i(int(data[8]), int(data[9])), 5, Scalar(0, 255, 0), 2);
// 右嘴角 (索引 10, 11)
circle(img1, Point2i(int(data[10]), int(data[11])), 5, Scalar(255, 0, 255), 2);
// 左嘴角 (索引 12, 13)
circle(img1, Point2i(int(data[12]), int(data[13])), 5, Scalar(0, 255, 255), 2);
}
// 遍历检测到的每一张人脸
for (int i = 0; i < face2.rows; i++)
{
// 从 faces 矩阵中获取第 i 行数据的指针
float* data = (float*)face2.ptr(i);
// 2. 提取并绘制5个关键点
// 右眼 (索引 4, 5)
circle(img2, Point2i(int(data[4]), int(data[5])), 5, Scalar(255, 0, 0), 2);
// 左眼 (索引 6, 7)
circle(img2, Point2i(int(data[6]), int(data[7])), 5, Scalar(0, 0, 255), 2);
// 鼻尖 (索引 8, 9)
circle(img2, Point2i(int(data[8]), int(data[9])), 5, Scalar(0, 255, 0), 2);
// 右嘴角 (索引 10, 11)
circle(img2, Point2i(int(data[10]), int(data[11])), 5, Scalar(255, 0, 255), 2);
// 左嘴角 (索引 12, 13)
circle(img2, Point2i(int(data[12]), int(data[13])), 5, Scalar(0, 255, 255), 2);
}
QString imgPath1 = QCoreApplication::applicationDirPath() + "/result1.jpg";
QString imgPath2 = QCoreApplication::applicationDirPath() + "/result2.jpg";
imwrite(imgPath1.toStdString(), img1);
imwrite(imgPath2.toStdString(), img2);
// 缩放图片以适应 Label 大小（保持宽高比）
QPixmap pixmap(imgPath1);
if (!pixmap.isNull())
{
QPixmap scaled = pixmap.scaled(ui.label_base->size(),
Qt::KeepAspectRatio,
Qt::SmoothTransformation);
ui.label_base->setPixmap(scaled);
}
QPixmap pixmap2(imgPath2);
if (!pixmap2.isNull())
{
QPixmap scaled = pixmap2.scaled(ui.label_source->size(),
Qt::KeepAspectRatio,
Qt::SmoothTransformation);
ui.label_source->setPixmap(scaled);
}
}运行效果：
2.2 使用openCV编译版实现
cpp
void QOpencvApp::onCompareButtonClicked()
{
QString sBaseImage = ui.lineEdit->text();
QString sSourceImage = ui.lineEdit_2->text();
// 1. 读取两张人脸图片，建议转换为灰度图
cv::Mat faceA = cv::imread(sBaseImage.toStdString(), cv::IMREAD_GRAYSCALE);
cv::Mat faceB = cv::imread(sSourceImage.toStdString(), cv::IMREAD_GRAYSCALE);
if (faceA.empty() || faceB.empty())
{
QMessageBox::warning(this, u8"错误", u8"无法读取图片！");
std::cerr << "无法读取图片！" << std::endl;
return;
}
// 2. 创建LBPH模型并提取特征 (训练模式)
cv::Ptr<cv::face::LBPHFaceRecognizer> model = cv::face::LBPHFaceRecognizer::create();
std::vector<cv::Mat> images = { faceA, faceB };
std::vector<int> labels = { 1, 2 };
model->train(images, labels);
// 3. 预测 (计算距离)
int predictedLabel;
double confidence = 0.0;
model->predict(faceB, predictedLabel, confidence);
//confidence值越低相似度越高
double threshold = 80.0; // 需要根据实际情况调整
if (confidence < threshold)
{
std::cout << "两张人脸相似，为同一个人。置信度: " << confidence << std::endl;
}
else
{
std::cout << "两张人脸不相似。置信度: " << confidence << std::endl;
}
return;
}2.3 使用openCV编译版实现68个特征点
cpp
void QOpencvApp::onCompareButtonClicked()
{
QString sBaseImage = ui.lineEdit->text();
// 1. 加载图像
cv::Mat img = cv::imread(sBaseImage.toStdString());
if (img.empty())
{
QMessageBox::warning(this, u8"错误", u8"无法读取图片！");
return;
}
// 2. 初始化人脸检测器 (用于检测人脸区域)
// 使用 OpenCV 自带的 Haar 或 LBP 级联分类器
QString configPath1 = QCoreApplication::applicationDirPath() + "/haarcascade_frontalface_default.xml";
CascadeClassifier faceDetector;
if (!faceDetector.load(configPath1.toStdString()))
{
QMessageBox::warning(this, u8"错误", u8"无法加载人脸检测模型！");
std::cerr << "无法加载人脸检测模型！" << std::endl;
return ;
}
// 3. 初始化特征点检测器 (FacemarkLBF)
Ptr<cv::face::Facemark> facemark = cv::face::FacemarkLBF::create();
// 加载预训练好的LBF模型
QString configPath2 = QCoreApplication::applicationDirPath() + "/lbfmodel.yaml";
facemark->loadModel(configPath2.toStdString());
// 4. 执行人脸检测，获取人脸区域 (ROI)
std::vector<Rect> faces;
Mat gray;
cvtColor(img, gray, COLOR_BGR2GRAY);
faceDetector.detectMultiScale(gray, faces);
// 5. 在检测到的人脸区域上，执行特征点拟合
std::vector<std::vector<Point2f>> landmarks;
bool success = facemark->fit(img, faces, landmarks);
if (success)
{
// 6. 绘制检测到的 68 个特征点
for (size_t i = 0; i < landmarks.size(); i++)
{
for (size_t j = 0; j < landmarks[i].size(); j++)
{
circle(img, landmarks[i][j], 5, Scalar(0, 255, 0), -1);
}
}
}
QString imgPath = QCoreApplication::applicationDirPath() + "/result68Landmarks.jpg";
imwrite(imgPath.toStdString(), img);
// 缩放图片以适应 Label 大小（保持宽高比）
QPixmap pixmap(imgPath);
if (!pixmap.isNull())
{
QPixmap scaled = pixmap.scaled(ui.label_base->size(),
Qt::KeepAspectRatio,
Qt::SmoothTransformation);
ui.label_base->setPixmap(scaled);
}
}